Endüstriyel AI Nedir? Fabrikalar İçin Uçtan Uca Başlangıç Rehberi

Endüstriyel AI'ı diğer AI uygulamalarından ayıran ne?

Endüstriyel AI; sensör, PLC, SCADA, MES ve ERP verisi üzerinde çalışan, çıktısı fiziksel bir sürece etki eden yapay zekâ uygulamalarıdır. Bir chatbot'tan ya da pazarlama öneri motorundan farkı, çıktısının doğrudan üretim kararına dönüşmesidir: bir vana açılır, bir hat durdurulur, bir kalite ret verilir, bir üretim emri yeniden çizelgelenir.

Bu nedenle gereksinim seti çok daha katıdır. Bulut tabanlı bir öneri motoru için 200 ms gecikme tolere edilirken, bir robot hücresinde aynı gecikme hattı durdurur. Açıklanabilirlik de bir 'iyi olur' özellik değildir: ISO 9001 ve müşteri denetimleri, neden o kararın verildiğinin izini ister.

ISA-95 referans modeli bu farkı net çerçeveler: AI, Seviye 0–2 (saha, sensör, PLC) verisini Seviye 3–4 (MES, ERP) kararlarına çeviren bir katman olarak konumlanır. Bu katmanı atlayan projeler, 'pilot tuzağına' düşer; modelin doğruluğu yüksek olsa bile karar zinciri tamamlanamaz.

Tipik kullanım alanları ve gerçekçi ROI aralıkları

McKinsey ve World Economic Forum'un Lighthouse Network raporları, üretimde AI'ın en çok değer ürettiği senaryoların dar bir kümede toplandığını gösteriyor. Saha pratiğimiz de bu listeyi doğruluyor:

• Öngörücü bakım (predictive maintenance) — titreşim, sıcaklık ve akım verisinden 24–72 saat önce arıza tahmini; plansız duruşlarda %30–50 azalma tipik.
• Görüntü işleme tabanlı kalite kontrol — kamera + derin öğrenme ile yüzey hatası tespiti; insan denetçiye göre %95+ tekrarlanabilirlik.
• Talep tahmini ve çizelgeleme — ML modelleri klasik istatistiksel modellere göre MAPE'de %20–40 iyileşme sağlayabiliyor.
• Enerji optimizasyonu — kompresör, fırın ve chiller'larda yük dengeleme ile elektrik faturasında %8–18 tasarruf.
• Süreç kontrolü (APC + ML) — sürekli üretim hatlarında verim ve kalitenin aynı anda iyileştirilmesi.

Karar mimarisi: insan onaylı mı, kapalı döngü mü?

Endüstriyel AI projelerinde mimari kararın özü şudur: model çıktısı doğrudan ekipmana mı gidiyor, yoksa bir operatör onayına mı düşüyor? Pilot aşamada neredeyse her zaman 'insan onaylı' (human-in-the-loop) başlanır. Operatör güveni, sayısal doğruluktan daha kritik bir kabul kriteridir.

Kapalı döngü kontrole geçiş; model performansının istikrara kavuşması, fallback mantığının tanımlanması ve emniyet PLC'lerinin AI çıktısını doğrulayabilmesiyle mümkün olur. Bu geçişi acele etmek, hat duruşlarına ve operatörlerin sisteme güvenini yitirmesine yol açar.

Nereden başlamalı? İlk 90 günün omurgası

Yığın (stack) seçmeden önce 2 haftalık bir saha keşfi yapın. Mevcut veri kaynaklarınızı, kayıp noktalarınızı (downtime Pareto) ve karar döngülerinizi haritalandırın. Bir AI projesi aslında %70 veri ve süreç, %20 değişim yönetimi, %10 model işidir.

İlk 90 gün için tek bir kullanım senaryosu, tek bir hat ve sayısal tanımlı bir başarı kriteri seçin: 'Hat 3'te plansız duruşları 90 günde %25 azalt' gibi. Bu ölçüt sözleşmeye ve proje yönetişimine yazılmalı; aksi halde proje 'havalı demo' olarak kalır.

Mimari tarafta agnostik kalın. Belirli bir PLC, bulut veya MES'e kilitlenen çözümler, ölçeklendirme aşamasında yeniden yazılmak zorunda kalır. OPC UA, MQTT Sparkplug B ve REST tabanlı entegrasyonlar; SAP, Logo, Netsis ve özel MES'lerle çalışırken uzun ömürlü olduğu sahada kanıtlanmış standartlardır.